Le tétras-lyre (Lyrurus tetrix) est une espèce de galliforme emblématique des Alpes aujourd’hui menacée à court et moyen terme par les activités humaines (notamment touristiques) et à plus long terme par le changement climatique. Les modifications de l'habitat sont au coeur des pressions identifiées ayant un impact sur une partie ou la totalité de son cycle de vie. Pour suivre la dynamique des populations de tétras-lyre, une approche possible consiste à modéliser les habitats favorables à la reproduction (sites de nidification). Dans le cadre de notre travail, nous avons réalisé un Modèle de Distribution d’Espèce (SDM) permettant de prédire la probabilité de présence des nichées en fonction de variables paysagères dérivées de la télédétection. De cette manière, nous pouvons estimer l’adéquation ou le niveau de « favorabilité » de l’habitat pour la reproduction du tétras-lyre et déterminer quelles variables ont le plus d’influence sur la qualité de l’habitat. Un autre enjeu majeur de notre travail a été réaliser cette cartographie de l’habitat à l’échelle des Alpes françaises. En fonction des connaissances de terrain sur les aires de présence principale du tétras-lyre, nous nous sommes concentrés sur les Alpes Internes du Nord. Les variables dérivées de la télédétection (images Sentinel-2 et SPOT6-7 acquises en 2020) nous ont permis de décrire trois dimensions du paysage : composition, structure et fonctionnement. La composition du paysage a été abordée à partir d’une classification en apprentissage profond (deep learning) des images à Très Haute Résolution Spatiale SPOT6-7 afin de cartographier différentes composantes du paysage. Cette approche a permis de produire une cartographie à l’échelle des Alpes Internes du Nord distinguant 6 classes : surfaces minérales, eau, prairies, landes ligneuses à éricacées, forêt et surfaces ombragées. L'un des facteurs limitants essentiels pour l'élevage des nichées est la présence d'une strate herbacée ou éricacée bien développée dans les Alpes du Nord et de forêts de mélèzes dans la région méridionale. La structure du paysage a été décrite par une variable topographique (altitude) dérivée d’un Modèle Numérique de Terrain, essentielle en contexte montagnard, et un indice de texture (l’entropie d’Haralick) basée sur l’analyse des niveaux de gris. Cette dernière variable peut être reliée au niveau d’hétérogénéité de l’environnement. Enfin, le fonctionnement du paysage a été traitée du point de vue de la phénologie. Les valeurs maximales annuelles des indices radiométriques NDVI et NDWI, renseignant sur les propriétés de la végétation (productivité et contenu en eau), ont été déterminée à partir de séries temporelles Sentinel-2. Ces indices peuvent être considérés comme des indices dynamiques d'habitat (Dynamic Habitat Index) et renseignent sur la nature et la dynamique de la végétation. Le modèle de distribution d’espèce a été réalisé à l’aide du package R biomod2 (Thullier et al., 2023) qui fournit à la fois un cadre d’analyse et un ensemble de méthodes permettant de prédire la probabilité de présence d’espèces. Pour réaliser la modélisation, nous avons utilisé les variables paysagères précédemment décrites ainsi que les observations des nichées fournies par l’OGM (années 2015 à 2021). Parmi les algorithmes testés, nous avons choisi de conserver le Random Forest (RF) en raison de sa performance très élevée (TSS et ROC proches de 1) et sa faible susceptibilité au sur-apprentissage. Un modèle d’ensemble de RF a été réalisé (médiane des prédictions des modèles individuels) afin de limiter la variabilité. Les variables les plus importantes se sont révélées être : l’altitude (24%), le NDVIMax (16%) suivi du taux de landes ligneuses à éricacées et du NDWIMax (14%). La confrontation des résultats avec la connaissance de terrain des experts de l’OGM a montré la cohérence de la distribution spatiale des motifs d’habitats favorables. D’autre part, la classification de l’occupation du sol dans les Alpes Internes du Nord constitue un résultat en soi susceptible d’être utile au suivi des habitats alpins.